6 - Categorie di fiducia semantica

Le caratteristiche semantiche di giudizi, punteggi di reputazione e misure di fiducia sono importanti per essere in grado di interpretare tali misure. La semantica di misure pu essere descritta in termini di dimensioni di specificit-generalit e soggettivit-oggettivit, come illustrato nella tabella 1. Una misura specifica significa che ci si riferisce ad un aspetto specifico di fiducia come la capacit di consegnare in tempo, mentre una misura generale dovrebbe rappresentare una media di tutti gli aspetti. Una misura soggettiva indica che un agente fornisce una valutazione basata su giudizi soggettivi, mentre una misura oggettiva significa che il rating stato determinato valutando oggettivamente il partito di fiducia sulla base di criteri formali. La tabella 1 definisce la classificazione di misure di fiducia e reputazione. Misura specifica, vettore Misura soggettiva Misura oggettiva Indagine con questionari Test di prodotto Misura generale, sintetica eBay, voto Punteggio generale sintetizzato da test di prodotto, D&B rating

1. Misura soggettiva e specifica: le misure sono per esempio usate in indagini svolte con questionari dove alla gente viene chiesto di esprimere la propria opinione su una gamma di temi specifici. Una domanda tipica potrebbe essere, ad esempio: come giudichi la capacit del candidato X

eletto, di gestire l economia? e le possibili risposte potrebbe ro essere su una scala cha va da 1 a 5 equivalente a peggiore non soddisfacente nella norma buona ed eccellente Domande simili potrebbero essere applicati alla politica estera, alla sicurezza nazionale, all'istruzione e alla salute, in modo che le risposte di una persona determinino un vettore soggettivo sulla fiducia nel candidato X. 2. Misura soggettiva e generale: sono per esempio utilizzate sulla reputazione di eBay, sistema che descritto in dettaglio nel Sec.9.1. Un problema inerente a questo tipo di misura che spesso non riesce ad assegnare il credito o la censura per l'aspetto o il gruppo corretto. Per esempio, se una spedizione di un oggetto acquistato su eBay arriva in ritardo o si rompe, l'acquirente potrebbe dare al venditore una valutazione negativa, mentre il problema potrebbe essere stato causato dal servizio postale. Un problema generale con tutte le misure soggettive che difficile proteggere contro valutazioni sbagliate. Un altro potenziale problema che l'atto di riferimento negativo di fiducia generale e soggettiva in una entit pu portare ad accuse di diffamazione. Questo non tanto un problema nei sistemi di reputazione, perch l'atto di un rating una particolare transazione negativamente meno sensibile che riferire una fiducia negativa in un soggetto in generale. 3. Misura oggettiva e specifica: sono per esempio utilizzate nei test di prodotti tecnici dove le prestazioni o la qualit del prodotto possono essere misurati oggettivamente. Le lavatrici possono ad esempio essere testat in base al consumo energetico, al rumore, per le funzioni del programma di lavaggio, ecc Un altro esempio quello del voto sul benessere delle

societ commerciali sulla base di specifiche misure finanziarie, come guadagni, profitti, investimenti, spesa per R & S, ecc. Un vantaggio delle misure oggettive che la correttezza delle valutazioni possono essere verificata da altri, o generata automaticamente sulla base di monitoraggio automatico degli eventi. 4. Misura oggettiva e generale: pu per esempio essere calcolata sulla base di un vettore di misure oggettive e specifiche. Nei test di prodotto, dove vengono testate una serie di specifiche, comune per derivare un punteggio generale che pu essere un media ponderata del punteggio di ogni caratteristica. La valutazione del business dei crediti di Dunn & Bradstreet un esempio di una misura che derivat a da un vettore di parametri di performance aziendali oggettivamente misurabili.

7 - Architetture per la valutazione nel network.

I principi tecnici per la costruzione di sistemi di reputazione sono descritti in questa e nella sezione successiva. L'architettura di rete determina come i punteggi delle valutazioni e reputazioni vengano comunicati tra i partecipanti in un sistema di reputazione. I due tipi principali sono le architetture centralizzate e distribuite. SISTEMI DI REPUTAZIONE CENTRALIZZATI Nei sistemi di reputazione centralizzati, le informazioni sulle prestazioni di un dato partecipante sono raccolte come valutazioni da altri membri della comunit che hanno avuto esperienza diretta con quel partecipante. L'autorit centrale (centro reputazione) che raccoglie tutti i rating deriva tipicamente un punteggio di reputazione per ogni partecipante, e rende disponibili al pubblico tutti i punteggi. I partecipanti possono quindi utilizzare reciprocam ente punteggi, per esempio, al momento di decidere o meno di trattare con una particolare gruppo. L'idea che le transazioni con i partecipanti affidabili possono avere esiti pi favorevoli rispetto a transazioni con i partecipanti non degni di reputazion e. Fig.3 mostra sotto un quadro tipico di reputazione centralizzata, in cui A e B denotano partner per la transazione con una storia di transazioni in passato, e che considerano transazioni con l'altra nel presente.

Dopo ogni operazione, gli agenti for niscono valutazioni sulle reciproche prestazioni nella transazione. Il centro di reputazione raccoglie le valutazioni di tutti gli agenti, e aggiorna continuamente il punteggio di reputazione di ogni agente in funzione della valutazione ricevuta. I punteggi di reputazione aggiornati sono disponibili da vedere online a tutti gli agenti e pu essere utilizzato dagli agenti per decidere se o meno di trattare con un particolare agente. I due aspetti fondamentali dei sistemi di reputazione centralizzata so no: y Protocolli di comunicazione centralizzata che consentono ai partecipanti di fornire valutazioni sui partner dell'operazione all'autorit centrale, cos da ottenere punteggi di reputazione di potenziali partner di transazione da parte dell'autorit centrale. y Un motore di calcolo di reputazione utilizzata dall'autorit centrale per ricavare punteggi di reputazione per ogni partecipante, in base ai giudizi ricevuti, e forse anche su altre informazioni. Questo descritto in Sec.8 sotto. SISTEMI DI REPUTAZIONE DISTRIBUITI Ci sono ambienti in cui un sistema distribuito di reputazione, ossia senza funzioni centralizzate, pi adatto rispetto ad un sistema centralizzato. In un sistema distribuito non esiste una posizione centrale per la presentazione delle valutazioni o per ottenere punteggi di reputazione di altri. Invece, ci possono essere punti di raccolta distribuiti dove le valutazioni possono essere presentate, oppure ogni partecipante registra semplicemente l'opinione di ogni esperienza con altri gruppi, e fornisce queste informazioni su richiesta delle parti su cui si fa affidamento. Un gruppo fidato, che considera transazioni con un gruppo target determinato deve trovare i punti di raccolta o cercare di ottenere voti dai membri della comunit, come il maggior numero possibile che hanno avuto un'esperienza diretta con quel gruppo target. Questo illustrato nella g.4 sotto.

La parte su cui si affidamento calcola il punteggio di reputazione sulla base dei livelli ricevuti. Nel caso la parte che invoca abbia avuto esperienza diretta con il partito di destinazione, l'esperienza da questo incontro pu essere presa in considerazione come informazioni riservate,portando possibilmente un peso superiore al rating ricevuto.

I due aspetti fondamentali dei sistemi di reputazione distribuiti sono: y Un protocollo di comunicazione distribuita che permette ai partecipanti di ottenere rating da altri membri della comunit. y Un metodo di calcolo della reputazione utilizzato da ogni singolo agente per ricavare punteggi di reputazione da gruppi target in base a giudizi ricevuti, ed eventualmente altre informazioni. Questo descritto in Sec.8 seguito. Peer-to-Peer (P2P) rappresentano un ambiente adatto per la gestione della reputazione distribuita. Nelle reti P2P, ogni nodo svolge il ruolo di entrambi i clienti e il server, ed quindi talvolta chiamato Servent. Questo permette agli utenti di superare il loro ruolo passivo tipico della navigazione web, e di impegnarsi in un ruolo attivo, fornendo le proprie risorse. Ci sono due fasi nell'uso di reti P2P.Il primo la fase di ricerca, che consiste nel localizzare la Servent dove la risorsa richiesta risiede. In alcune reti P2P, la fase di ricerca pu contare su funzioni centralizzate. Un esempio Napster che una directory delle risorse server. Nelle reti P2P pure, come Gnutella e Freenet, anche la fase di ricerca distribuita. Esistono anche architetture intermedie, per esempio l'architettura di FastTrackche viene utilizzata nelle reti P2P come Kazaa e Grokster e iMesh. In FastTrack, reti basate su P2P, ci sono nodi e supernodi, dove conservare le tracce di altri nodi e supernodi che sono collegati alla rete, e quindi agire come server di directory durante la fase di ricerca. Dopo la fase di ricerca, dove la risorsa richiesta stato localizzata, arriva la fase di download, che consiste nel trasferimento della risorsa da esportare al Servent richiedente. Le Reti P2P introducono una serie di minacce alla sicurezza, in quanto possono essere utilizzati per diffondere software dannosi, come virus e Troian horse, e facilmente aggirare rewalls. Vi sono anche prove che le reti P2P soffrono di free riding . I sistemi di reputazione sono adatti a GHT questi problemi, ad esempio, condividendo informazioni su partecipanti inaffidabili. Le reti P2P sono controverse perch sono state utilizzate per distribuire materiale coperto da copyright come MP3 file, e inoltre stato sostenuto che il contenuto velenoso stato utilizzato dall'industria musicale per combattere questo problema. Noi non difendiamo l'uso delle reti P2P per la condivisione illegale di file,ma ovvio che i sistemi di reputazione potrebbe ro essere utilizzati dai distributori di materiale illegale protetto da copyright per proteggersi dall avvelenamento . Molti autori hanno proposto sistemi di reputazione per le reti P2P [2,12,13 ,17,23,35,39]. Lo scopo di un sistema di reputazione nelle reti P2P : y Per determinare quali servents sono pi affidabili per offrire le migliori risorse di qualit, e y Per determinare quale servents forniscono le informazioni pi affidabili per quanto riguarda il punto precedente(1). In un ambiente distribuito, ogni partecipante responsabile della raccolta e combina le valutazioni degli altri partecipanti. A causa dell ambiente distribuito, spesso impossibile o troppo costoso ottenere valutazioni risultanti da tutte le interazioni con un determinato agente. Invece il punteggio di reputazione si basa su un sottoinsieme di giudizi, di solito dal neighbourhood del gruppo su cui si fa affidamento.

8 Reputation Computation engines

Dal punto di vista del gruppo su cui si fa affidamento, i punteggi sulla fiducia e sulla reputazione possono essere calcolati sulla base di esperienza, sui rinvii di seconda mano, o su una combinazione di entrambe le cose. Nel gergo della teoria economica, le infor mazioni private sono solite essere usate per descrivere informazioni di prima mano derivanti da esperienze, e informazioni pubbliche sono solite essere usate per descrivere pubblicamente informazione disponibili di seconda mano, cio informazioni che possono essere ottenuti da terzi. I sistemi di reputazione sono in genere basati su informazioni pubbliche al fine di riflettere l'opinione della comunit in generale, che in linea con Def.3 di reputazione. Un gruppo che si basa sul punteggio di reputazione di un gruppo a distanza, si basa sulla fiducia attraverso una transitivit fiducia.(???rivedere traduzione). Alcuni sistemi prendono sia informazioni pubbliche che private come input. Informazioni private,esempio derivanti da esperienze personali, sono normalmente considerate pi affidabili di informazioni pubbliche , come le valutazioni da parte di terzi. Questa sezione descrive i diversi principi di calcolo per la reputazione e le misure di fiducia. Alcuni dei principi sono utilizzati in applicazioni co mmerciali, mentre altri sono stati proposti dalla comunit accademica. 8.1 - Simple summation or average of ratings La pi semplice forma di calcolo dei punteggi di reputazione semplicemente quella di sommare il numero di valutazioni positive e negative separatamente, e definire un punteggio totale come differenza tra il punteggio positivo e quello negativo. Questo il principio utilizzato nel forum di eBay che descritta in dettaglio in nota [55]. Il vantaggio che chiunque pu capire il principio alla base del punteggio di reputazione, lo svantaggio che si tratta di metodo primitivo e quindi d una cattiva immagine del punteggio di reputazione dei partecipanti, anche se questo dovuto anche al modo in cui la valutazione viene fornita, vedere Sec.10.1 e Sec.10.2. Uno schema leggermente pi avanzato proposto in esempio [63] quello di calcolare il punteggio di reputazione come la media di tutti i giudizi, e questo principio usato nei sistemi di reputazione di numerosi siti web commerciali, come Epinions, e Amazon descritti in Sec.9. I modelli avanzati in questa categoria calcolano una media ponderata di tutti i giudizi, dove il peso di tutte le valutazioni pu essere determinato da fattori quali l'affidabilit/reputazione, l'et del rating, la distanza tra rating e punteggio corrente, ecc 8.2 - Sistemi Bayesiani Sistemi bayesiani prendono i voti binari come input (cio positivo o negativo), e sono basati sul calcolo dei punteggi di reputazione per l'aggiornamento statistico di funzioni di densit di probabilit beta. Il punteggio di reputazione a posteriori (cio l'aggiornamento) calcolato combinando il punteggio di reputazione a priori (cio precedente) con il nuovo rating. Il punteggio di reputazione pu essere rappresentato sotto forma di tupla di parametri del file beta

PDF. (dove alfa e beta rappresentano la quantit di punteggi positivi e negativi rispettivamente), o nella forma del valore di probabilit attesa del beta PDF, e facoltativamente accompagnato con parametri come la varianza o la confidenza. Il vantaggio di sistemi bayesiani che forniscono teoricamente un suono sulla base del calcolo per i punteggi di reputazione, e l'unico s vantaggio che potrebbe essere troppo complesso da capire per le persone. La beta-famiglia delle distribuzioni una famiglia di funzioni di distribuzione indicizzate dai due parametri e . La beta PDF indicata con (p | , ) pu essere espressa tramite la funzione :

con il vincolo che la probabilit variabile p 0 se <1 e p 1 se <1. Il valore atteso di probabilit della distribuzione beta dato da E(p)= /( + ) Quando non si sa nulla, la distribuzione a priori il PDF beta uniforme con = 1 e = 1 illustrato in g.5.a. Poi, dopo aver osservato i risultati r positivo e s negativo, la distribuzione a posteriori il beta PDF con = r+1 e = S+1. Per esempio, il PDF beta dopo aver osservato 7 positivi e 1 negativo mostra i risultati illustrati in g.5.b.

Un PDF di questo tipo esprime la probabilit incerta che le interazioni future saranno positive. Il pi naturale quello di definire il punteggio di reputazione in funzione del valore atteso. Il valore atteso della probabilit di g.5.b secondo Eq. (2) E(p)= 0,8. Questo pu essere interpretato dicendo che la frequenza relativa di un esito positivo per il futuro alquanto incerta, e che il valore pi probabile di 0,8.

8.3 - Modelli di fiducia discreti

Gli esseri umani sono spesso pi capaci di definire le prestazioni sotto forma di dichiarazioni a voce discrete, rispetto alle misure continue. Questo valido anche per determinare le misure di fiducia, e alcuni autori, hanno proposto modelli fiducia discreti. Per esempio, nel modello di Abdul-Rahman & Hailes (2000) l affidabilit di un agente x pu essere definita come molto affidabile, corretta, inaffidabile e molto inaffidabile. Il gruppo pu invocare quindi possibile applicare la sua percezione sull'affidabilit dell'agente di riferimento prima di assumere un rinvio. Tabelle di ricerca, con le voci di fiducia e downgrade e upgrade del gruppo, sono utilizzati per determinare la fiducia in x. Ogni volta che il gruppo sui cui si fa affidamento invoca che ha avuto esperienza personale con x, questo pu essere usato per determinare il gruppo come riferimento di affidabilit. Il presupposto che l esperienza personale riflette la reale affidabilit di x. Il presupposto che l esperienza personale riflette la reale e che i riferimenti di x che si differenziano dalle esperienze personali indicano se il gruppo di riferimento sottovaluta o sopravvaluta. Referenti da un gruppo di riferimento che sopravvaluta verranno declassati, e viceversa. Lo svantaggio di misure discrete che non facilmente si prestano a sani principi di calcolo. Invece devono essere utilizzate i meccanismi euristici come le tabelle di ricerca.

8.4 - Modelli sui pareri La teoria sui pareri legata alla teoria della probabilit, ma dove la somma delle probabilit su tutti i risultati possibili, non necessariamente raggiunge il valore di1, e la restante probabilit interpretata come incertezza. Jsang (1999,2001) ha proposto una opinione metrica chiamata xA =( b, d, u, a), che esprime l opinione del gruppo A nella verit della dichiarazione di x. Qui b, d, e u rappresentano l opinione, l'incredulit e l'incertezza rispettivamente dove b, d, u [0, 1] e b + d + u = 1. Il parametro [0, 1], che chiamato l atomicit relativa, rappresenta il tasso base di probabilit in assenza di prove, ed usato per calcolare un parere del valore atteso di probabilit A E ( x ) = b+au, che significa che a determina come l incertezza contribuisce a E ( xA). Quando la dichiarazione x per esempio dice: "David onesto e affidabile", poi il parere pu essere interpretato come reale affidabilit in David. Come esempio, si immagina che Alice abbia bisogno di avere un buon servizio per il suo autoveicolo, e che lei chiede a Bob di raccomandarle un buon meccanico . Quando Bob raccomanda David, Alice vorrebbe ottenere un secondo parere, cos chiede a Claire per la sua opinione su David. Questa situazione illustrato in e g. 6. Quando la fiducia e i referenti di fiducia sono espressi come opinioni, ogni percorso di fiducia transitiva Alice Bob Davide e Alice Claire David pu essere calcolato con l'attualizzazione dell operatore, dove l'idea che i referenti da Bob e Claire sono attualizzati in una funzione della fiducia di Alice in Bob e Claire, rispettivamente. Infine i due percorsi possono essere combinati utilizzando l'operatore consenso. Questi due operatori formano parte della logica soggettiva, ed i vincoli semantici devono essere soddisfatti con l obiettivo di derivare la fiducia transitiva affinch abbia significato. Opinioni possono essere univocamente mappati da beta PDF, e questo senso l'operatore consenso equivalente all aggiornamento Bayesiano descritto nel Sec.8.2. Questo modello quindi basato sia sull opinione che sul modello bayesiano

Yu & Singh (2002) [70] hanno proposto di utilizzare la teoria dell opinione per rappresentare i punteggi di reputazione. Nel loro schema, sono assunti due esiti possibili sono assunti, e cio che un agente affidabile (TA) o non affidabile ( TA), e le opinioni vengono separate sul fatto che A affidabile o no, indicato con m(TA) e m ( TA) rispettivamente. Il punteggio di reputazione di un agente A poi definito come

Senza entrare nel dettaglio, le valutazioni fornite da singoli agenti sono misure di opinioni determinate in funzione di una storia passata dei comportamenti con i singoli agenti come degno di fiducia o non fiducia, utilizzando i valori di soglia predefin iti per ci che costituisce un comportamento affidabile e inaffidabile. Queste misure di opinione vengono poi combinate usando la regola di Dempster, e le opinioni risultanti vengono alimentate nell equazione sopra per calcolare il punteggio di reputazione . Le valutazioni sono considerate validi se risultano da una catena di affidabilit transitiva di lunghezza inferiore o uguale ad un limite di predefinito. 8.5 - Fuzzy Models La fiducia e la reputazione possono essere rappresentate come concetti linguisticamente fuzzy, dove funzioni di appartenenza descrivono in che misura un agente pu essere degno di fiducia o non fiducia. La logica fuzzy fornisce le regole per ragionare con misure Fuzzy di questo tipo. Il programma proposto da Manchala (1988), descritto in Sec.2 , come il sistema di reputazione REGRET proposto da Sabater & Sierra (2001,2002 ) rientrano in questa categoria. Nello schema Sabater & Sierra, quello che viene chiamato reputazione individuale ricavato dalle informazioni private su un determinato agente, quella che chiamano reputazione sociale deriva da informazioni pubbliche su un agente, e quella che chiamano reputazione dipendente dal contesto ricavata dalle informazioni contestuali.

8.6 - Flow Models Sistemi che calcolano la fiducia o reputazione per iterazione transitiva attraverso loop o catene arbitrariamente lunghe possono essere chiamati modelli flow. Alcuni modelli flow assumono una costante per tutta la comunit, e questo peso pu essere distribuito tra i membri della comunit. I partecipanti possono solo aumentare la loro fiducia / reputazione a spese di altri. La pagina rank di Google, descritta nella Sec.9.5, l'algoritmo di Appleseed e il sistema di reputazione di Advogato, descritto nella Sec.9.2 appartengono a questa categoria. In generale, la reputazione di un partecipante aumenta in funzione della flow entrante, e diminuisce in funzione del flow in uscita. Nel caso di Google, molti collegamenti ipertestuali ad un web contribuiscono ad aumentare il PageRank, mentre molti collegamenti ipertestuali da una pagina web contribuiscono alla diminuzione PageRank per quella pagina web. I modelli di flusso non sempre richiedono la somma dei punteggi di reputazione / fiducia. Un esempio il modello EigenTrust che calcola i punteggi di fiducia nelle reti P2P attraverso ripetute e iterative moltiplicazioni e aggregazioni di punteggi lungo catene transitive fino ai punteggi sulla fiducia per tutti gli agenti membri della community P2P che convergono a valori stabili.